軟件可靠性工程中的計算智能方法

內(nèi)容概要

　　本書結(jié)合了作者近年來在該領(lǐng)域的研究成果，對計算智能的各個方面進行了比較系統(tǒng)和全面的闡述和討論。全書共分八章。第一章概括介紹了軟件可靠性工程和計算智能。第二章到第七章介紹了計算智能的主要分支，包括人工神經(jīng)網(wǎng)絡(luò)、模糊系統(tǒng)、演化計算、群體智能、人工免疫系統(tǒng)以及計算智能中其它方法等。第八章討論了計算智能在軟件可靠性工程領(lǐng)域的應(yīng)用。全書較系統(tǒng)地總結(jié)了現(xiàn)有計算智能的理論和技術(shù)，并盡可能地對其應(yīng)用于軟件可靠性工程進行分析與討論。同時，編寫過程中融入了近年來作者在交叉領(lǐng)域所做出的研究成果，尤其是計算智能應(yīng)用于軟件質(zhì)量預(yù)測、軟件可靠性模型以及模型優(yōu)化等前沿問題上的研究成果。

書籍目錄

前言
第1章 軟件可靠性
1.1　軟件可靠性工程簡介
1.1.1 軟件危機與軟件可靠性工程
l.1.2 軟件可靠性概念
1.1.3 軟件可靠性工程的定義
1.2 軟件可靠性建模
1.2.1 軟件可靠性理論
1.2.2 軟件可靠性模型
1.2.3 軟件可靠性建模方法
1.3 計算智能概述
1.3.1 計算智能簡介
1.3.2 模型優(yōu)化
參考文獻(xiàn)
第2章 人工神經(jīng)網(wǎng)絡(luò)
2.1 人工神經(jīng)元
2.1.1 神經(jīng)元構(gòu)成及其行為機理
2.1.2 神經(jīng)元的數(shù)學(xué)模型
2.1.3 人工神經(jīng)幾何
2.1.4 人工神經(jīng)元學(xué)習(xí)
2.2 有監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
2.2.1 神經(jīng)網(wǎng)絡(luò)類型
2.2.2 監(jiān)督學(xué)習(xí)規(guī)則
2.2.3 單層神經(jīng)網(wǎng)絡(luò)
2.2.4 組合神經(jīng)網(wǎng)絡(luò)
2.2.5 混合專家系統(tǒng)
2.3 無監(jiān)督學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
2.3.1 背景
2.3.2 赫伯學(xué)習(xí)規(guī)則
2.3.3 主成分學(xué)習(xí)規(guī)則
2.3.4 學(xué)習(xí)向量量化
2.3.5 自組織特征映射
2.3.6 聚類分析
2.4 徑向基函數(shù)網(wǎng)絡(luò)
2.4.1 學(xué)習(xí)向量量化
2.4.2 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
2.5 遞歸式神經(jīng)網(wǎng)絡(luò)
2.5.1 全局反饋神經(jīng)網(wǎng)絡(luò)
2.5.2 局部反饋神經(jīng)網(wǎng)絡(luò)
2.5.3 學(xué)習(xí)算法
2.6 增強學(xué)習(xí)
2.6.1 增強學(xué)習(xí)原理和結(jié)構(gòu)
2.6.2 模型無關(guān)的增強學(xué)習(xí)
2.6.3 增強學(xué)習(xí)在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的應(yīng)用
思考題
參考文獻(xiàn)
第3章 模糊系統(tǒng)
3.1 模糊集
3.1.1 定義
3.1.2 隸屬函數(shù)
3.1.3 模糊算子
3.1.4 模糊集特征
3.1.5 模糊性和隨機性
3.2　 模糊邏輯和推理
3.2.1 模糊邏輯
3.2.2 模糊推理
3.3 模糊控制器
3.3.1 模糊控制器組件
3.3.2 模糊控制器類型
3.4　粗糙集
3.4.1 粗糙集概念
3.4.2 粗糙集的模糊性
3.4.3 粗糙集的不確定性
思考題
參考文獻(xiàn)
第4章 演化計算
4.1　 演化計算的基本框架
4.1.1演化算法的基本框架
4.1.2 個體的表示
4.1.3 群體初始化
4.1.4 適應(yīng)度函數(shù)
4.1.5 遺傳操作
4.1.5 停止條件
4.2　遺傳算法
4.2.1 標(biāo)準(zhǔn)遺傳算法
4.2.2　選擇
4.2.3　交叉
4.2.4 變異
4.2.5 控制參數(shù)
4.2.6 遺傳算法的變種
4.2.7 高級主題
4.3　演化策略
4.3.1 （I+I）ES
4.3.2 演化策略的一般算法
4.3.3 策略參數(shù)和自適應(yīng)
4.3.4 演化策略操作
4.3.5 高級主題
4.4　演化規(guī)劃
4.4.1 基本演化規(guī)劃
4.4.2 演化規(guī)劃操作
4.4.3 策略參數(shù)
4.4.4 演化規(guī)劃的實現(xiàn)
4.4.5.高級主題
4.5遺傳程序設(shè)計
4.5.1 樹型表示
4.5.2 初始化群體
4.5.3 適應(yīng)度函數(shù)
4.5.4 交叉操作
4.5.5 變異操作
4.6　差分演化
4.6.1 差分演化基本理論
4.6.2 DE／z／y／z
4.6.3 基本差分演化變體
4.6.4 高級主題
4.7　協(xié)同演化
4.7.1 協(xié)同演化的類型
4.7.2 競爭演化
4.7.3 協(xié)作演化
思考題
參考文獻(xiàn)
第5章 計算群體智能
5.1　粒子群優(yōu)化算法
5.1.1 基本原理
5.1.2 拓?fù)浣Y(jié)構(gòu)
5.1.3 工作流程及參數(shù)設(shè)置
5.1.4 算法改進
5.1.5 高級主題
5.2 蟻群優(yōu)化算法
5.2.1 基本原理
5.2.2 工作流程
5.2.3 算法改進
5.3 蜂群算法
思考題
參考文獻(xiàn)
第6章 人工免疫系統(tǒng)
6.1　自然免疫系統(tǒng)
6.1.1 經(jīng)典觀點
6.1.2 抗體和抗原
6.1.3 白細(xì)胞
6.1.4 免疫類型
6.1.5 學(xué)習(xí)中的抗原結(jié)構(gòu)
6.1.6 網(wǎng)絡(luò)理論
6.1.7 危險理論
6.2 人工免疫模型
6.2.1 人工免疫系統(tǒng)算法
6.2.2　經(jīng)典觀點模型
6.2.3　克隆選擇理論模型
6.2.4 網(wǎng)絡(luò)理論模型
6.2.5 危險理論模型
6.2.6 人工免疫系統(tǒng)的應(yīng)用和其他模型
思考題
參考文獻(xiàn)
第7章 統(tǒng)計學(xué)習(xí)方法
7.1　統(tǒng)計學(xué)習(xí)
7.1 1統(tǒng)計學(xué)習(xí)理論
7.1.2 監(jiān)督學(xué)習(xí)
7.1.3 非監(jiān)督學(xué)習(xí)
7.1.4 半監(jiān)督學(xué)習(xí)
7.1.5 集成學(xué)習(xí)
7.1_6用于計算智能的其他統(tǒng)計學(xué)習(xí)方法
7.2 支持向量機
7.2.1 支持向量機的基本問題
7.2.2　兩類SVM
7.2.3　多類SVM
7.2.4　SVM的應(yīng)用
7.3　聚類分析
7.3.1 聚類的基本問題
7.3.2　K均值和模糊c均值聚類算法
7.3.3　K_meol010s聚類算法
7.3.4 密切關(guān)系傳播算法
思考題
參考文獻(xiàn)
第8章 計算智能在軟件可靠性工程中的應(yīng)用
8.1計算智能與軟件可靠性
8.2　人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用
8.2.1 基于人工神經(jīng)網(wǎng)絡(luò)的可靠性模型
8.2.2　可靠性模型的選擇
8.2.3　可靠性模型的組合
8.2.4 混合專家系統(tǒng)模型
8.2.5 存在的問題
8.3　演化計算在可靠性工程中的應(yīng)用
8.3.1 基于遺傳程序設(shè)計的可靠性模型
8.3.2 可靠性模型的優(yōu)化
8.4　模糊邏輯在軟件可靠性工程中的應(yīng)用
8.4.1 基于模糊推斷系統(tǒng)的可靠性預(yù)測
8.4.2 模糊神經(jīng)網(wǎng)絡(luò)
8.4.3 模糊度量
8.5　支持向量機在軟件可靠性工程中的應(yīng)用
8.5.1 基于支持向量機的二分類可靠性模型
8.5.2 基于模擬退火的支持向量機模型
8.5.3 支持向量回歸
8.6 無監(jiān)督學(xué)習(xí)方法在軟件可靠性工程中的應(yīng)用
8.6.1 基于Gaussian混合模型的可靠性模型
8.6.2 聚類方法的應(yīng)用
思考題
參考文獻(xiàn)
附錄A 矩陣運算
A1 矩陣的基本性質(zhì)
A2 矩陣的微分
A2.1 矩陣對數(shù)值變量的微分
A2.2　矩陣函數(shù)對矩陣的微分
A2.3　常用的微分公式
A3 矩陣的特征值和特征向量
附錄B Gallssian積分
B1 單變量的GaLlsslan積分
B2 多變量的Gausslan積分
B3 帶有線性項的Gauissian積分
附錄C Lagrange乘子法

章節(jié)摘錄

版權(quán)頁：   插圖：   軟件危機與軟件可靠性工程 從20世紀(jì)60年代開始，計算機容量和速度的增加使得其應(yīng)用范圍迅速擴大，計算機軟件系統(tǒng)的規(guī)模越來越大，復(fù)雜性越來越高，軟件質(zhì)量特別是軟件可靠性問題也越來越突出。盡管耗費了大量的人力物力，軟件質(zhì)量卻得不到保證，特別是由于軟件可靠性差而造成的損失十分驚人，從而導(dǎo)致了軟件危機。應(yīng)用程序本身對系統(tǒng)運行的可靠性要求也越來越高，軟件可靠性問題在一些重要應(yīng)用領(lǐng)域尤為突出，如航空、航天領(lǐng)域里的民航訂票系統(tǒng)、自動飛行控制軟件、武器裝備系統(tǒng)、載人航天系統(tǒng)；銀行等服務(wù)性行業(yè)里的銀行結(jié)算系統(tǒng)、證券交易系統(tǒng)；國防工業(yè)中的軍事防御以及國民經(jīng)濟中的核電站安全控制系統(tǒng)等。即使是在日常生活一般應(yīng)用程序的開發(fā)與銷售過程中，市場對軟件可靠性要求也越來越高。在為解決軟件危機而誕生的軟件工程學(xué)中，軟件質(zhì)量被放在優(yōu)先于提高軟件功能和性能的地位。軟件可靠性是軟件質(zhì)量的重要特性之一，軟件可靠性工程是一個十分實用、覆蓋軟件整個開發(fā)過程的軟件質(zhì)量保障技術(shù)[1]。 由于軟件可靠性比硬件可靠性更難保證，軟件當(dāng)中潛在的錯誤會嚴(yán)重地影響整個系統(tǒng)的可靠性，因此，軟件可靠性低是造成軟件危機的重要原因之一。軟件成為一種產(chǎn)品，是計算機系統(tǒng)的靈魂，是許多復(fù)雜系統(tǒng)的神經(jīng)中樞和關(guān)鍵；但由于軟件錯誤造成系統(tǒng)癱瘓、失效、人員傷亡和重大經(jīng)濟損失的例子也時有所聞。1963年，美國在發(fā)射金星探測火箭的控制程序中，有一條循環(huán)語句的“,”誤寫為“.”，僅這一點之差，就釀成發(fā)射失敗、損失達(dá)上千萬美元的事故。最為典型的例子是1996年6月4日，歐洲宇航局發(fā)射阿里亞娜5號火箭升空不到8s就發(fā)生爆炸的慘重事故，其原因是3個軟件問題。據(jù)美國商務(wù)部的國家標(biāo)準(zhǔn)技術(shù)研究所于2002年發(fā)表的有關(guān)軟件缺陷的損失調(diào)查報告顯示：“據(jù)推測，由于軟件缺陷而引起的損失額每年估計高達(dá)222億～595億美元，其中還不包括由于關(guān)鍵軟件缺陷所導(dǎo)致的如喪失生命等災(zāi)難性后果而引起的損失?！盵2]目前，隨著軟件規(guī)模、復(fù)雜程度的大幅度提高，大型系統(tǒng)對軟件依賴程度越來越嚴(yán)重，軟件質(zhì)量不高首先是因軟件可靠性低而被人們廣泛關(guān)注和重視，已經(jīng)成為人們討論軟件危機的一個熱點。如果能夠在軟件企業(yè)實行軟件質(zhì)量管理制度的同時，廣泛應(yīng)用軟件可靠性工程技術(shù)，這將會使國內(nèi)軟件企業(yè)真正能夠生產(chǎn)出高質(zhì)量的軟件產(chǎn)品，從而參與國際軟件產(chǎn)業(yè)的競爭。因此軟件可靠性工程是一項既具有理論研究價值，又具有實際應(yīng)用前景的技術(shù)。

編輯推薦

《軟件可靠性工程中的計算智能方法》以軟件可靠性工程中采用的計算智能方法為出發(fā)點，依托作者多年來在該領(lǐng)域的研究與實踐，幫助讀者更深入理解軟件可靠性工程中的計算智能方法，并取得一定的應(yīng)用能力?！盾浖煽啃怨こ讨械挠嬎阒悄芊椒ā返哪繕?biāo)是使讀者直觀快捷地理解：什么是軟件可靠性工程，什么是計算智能，如何將計算機智能方法應(yīng)用于軟件可靠性工程研究。可作為計算機科學(xué)與技術(shù)、信息科學(xué)與技術(shù)、電子科學(xué)與技術(shù)等專業(yè)研究生、高年級本科生教材，也可供從事軟件可靠性工程、計算智能等研究和應(yīng)用的相關(guān)科技人員閱讀參考。

圖書封面

評論、評分、閱讀與下載

---

    軟件可靠性工程中的計算智能方法 PDF格式下載

---